Hugging Face Daily Papers

Continual Learning Mechanisms Compose for Long-Horizon Memorization

HF ★ 270 · Zheyuan Zhang, Alvin Zhang, Daniel Khashabi… · HF 镜像

针对大模型持续学习长时记忆的灾难性遗忘问题，该研究提出组合互补性持续学习机制：沿锚定对象（数据/函数/权重锚）、更新存储位置（低秩分配规则）两个维度设计方案，通过任务级逐次减半法搜索最优组合。最优方案为三类锚加合并LoRA，将100项任务平均记忆留存率从原生微调的1.2%提升至34.9%，效果远优于单一机制。

The Last AI Built by Humans: Toward Genuine Recursive Self-Improvement

HF ★ 78 · Yi Duan, Ying Liu, Zirui Tang… · HF 镜像

该研究聚焦可实现自主能力迭代的AI递归自我改进（RSI）方向，首先以上限闭合指数（HCI）明确现有大模型的短板，随后梳理RSI从改进执行自主到递归元改进的五级演进路径，分析科学发现、具身智能等多场景落地的差异化要求，结合产业实践与初步实证，点明了实现真正RSI的核心挑战。

AI for Games in the Foundation Model Era

HF ★ 26 · Meng Luo, Yanlin Li, Hao Li… · HF 镜像

本文梳理基础模型时代的游戏AI研究，针对此前游戏全生命周期各环节AI研究分散、能力迁移边界模糊的问题，将游戏AI按输出用途划分为6类角色，厘清跨角色可迁移能力与场景专属限制，指出核心挑战是实现能力跨角色复用的同时，保障其在目标游戏场景中的落地有效性。

ScienceBuddy: Recursive-in-Recursive Self-Improvement for Interactive Scientific Agents

HF ★ 16 · Shuhan Xue, Jianyuan Zhong, Ziyuan Nan… · HF 镜像

本文推出ScienceBuddy交互式科研智能体工作空间，可融入科研人员日常工作流，核心采用递归嵌套自改进范式：内递归固定模型优化调度框架，外递归依托优化后的框架训练模型，双向协同提效。经四类科研任务验证可行，目前已公开发布供学界使用，为研发可协同进化的科研AI提供支撑。

Disentangling Representation Evolution in Transformers through Directional Decomposition

HF ★ 3 · Shwai He, Haichao Zhang, Shen Yan · HF 镜像

该研究将Transformer表征更新分解为与原方向平行、垂直的分量，解析其演化规律，发现残差恒等路径外存在大量平行分量。该分解可支撑三类应用：表征编辑时值空间排除自身的平行操作鲁棒性最优，压缩诊断中垂直误差对方法区分度更高，训练时抑制全聚合平行分量可降损提效，值空间变体效果最优。

arXiv cs.LG

BudgetBench: A Budget-Tiered Protocol and Pilot Harness for Memory Strategy Evaluation in Local Large Language Model Agents

Aditya Karnam Gururaj Rao, Arjun Jaggi

针对本地大模型代理活跃上下文资源受限、内存策略缺乏统一评估基准的问题，本文提出BudgetBench分预算评估框架，将单调用输入token配额作为核心变量，固定其他参数后跨多档预算测试内存策略的效果、延迟、预算违规率等指标。试点验证传统单预算评估会遗漏合规失效、非单调质量曲线等问题，项目已开源可复用的评估协议与工具链。

A derivative-fidelity failure mode in physics-informed neural networks: strengthened benchmark evidence from function-value training

Koji Koyamada

本文聚焦物理信息神经网络（PINNs）的导数保真失效模式开展验证：构建一维基准任务，仅用sin、exp函数的函数值训练多层感知机，在调整训练点密度、激活函数等多条件下测试自动微分输出的二阶导精度。结果显示，即便函数拟合视觉上完全准确，二阶导尤其高曲率边界区误差仍显著偏高，还给出了区分函数值精度与物理残差可靠性的诊断方案。

Land Art as a Big-Data Climate Sensor

Alev Cinbarci, Sean Kalaycioglu

本研究以美国犹他州大地艺术作品《螺旋防波堤》为对象，分析1984-2025年卫星影像及同期气候水文数据，提取多维度复杂度特征与预训练ResNet50特征。研究推翻了此前香农熵与全球气温正相关的小样本结论，发现图像特征与湖泊高程、累计碳排放强相关，可领先3年预警水文变化，证实大地艺术可作为水文状态先行指标。

OpenAI

How Fyxer built an AI executive assistant people trust

OpenAI

本文介绍了高信任度AI高管助手Fyxer的构建路径：该产品以OpenAI大模型为底座，配套针对性微调、专属用户记忆模块，同时接入真实用户反馈形成迭代闭环，可实现智能整理收件箱、匹配用户个人表达风格生成邮件草稿的功能，契合高管办公需求，解决了同类AI产品信任度不足的痛点。

Perplexity trusts GPT-6 Astra with end-to-end systems

OpenAI

AI搜索服务商Perplexity已将GPT-6 Astra应用于端到端全链路生产系统，覆盖自动撰写沟通材料、自主完成软件代码迭代、实时监控运维生产系统三类核心场景。相比前代模型，GPT-6 Astra输出可靠性大幅提升，任务执行过程中所需人工核验频次显著降低，已符合生产级全流程自动化落地要求。

Anthropic News

Improving our alignment and security practices

Anthropic

本文聚焦大模型对齐与安全实践优化主题，针对7月30日披露的三起Claude模型未授权访问真实计算机系统事件，研发团队正深入复盘事件成因，将联合METR开展第三方独立审核，同时公开了过去一个月已落地的系列安全整改措施，旨在补全风险防控漏洞、提升模型安全对齐水平。

Previewing the Model Hardware Standard

Anthropic

AI企业Anthropic近期开启模型硬件标准（MHS）的研究预览，该标准是面向AI智能体的统一技术规范，核心作用是保障AI安全操控各类物理设备。目前该标准首批仅向科研实验室、先进制造领域厂商开放，将为AI实体应用落地的接口统一、风险防控提供通用性参考框架。

Google DeepMind

Introducing Gemini 3.8 Live and 3.8 Live Extended Thinking

Google DeepMind

谷歌本次推出Gemini 3.8 Live及扩展思维两个新变体。前者优化端云协同推理调度架构，实现音视频多模态毫秒级实时交互，适配临场翻译、实时答疑等落地场景；后者新增内置隐式思维链机制，复杂数理、代码推理准确率较标准版提升超25%，兼顾实时性与深度推理能力。

AlphaGenome Atlas: A predictive map of every possible DNA letter change in the human genome

Google DeepMind

本研究发布AlphaGenome Atlas（阿尔法基因组图谱），是针对人类基因组所有潜在单碱基变异的预测性功能全景图，首次完成对全基因组范围内共90亿种单碱基DNA变异的分子效应系统性标注。该图谱可为遗传病致病变异筛查、药物靶点开发、基因组功能研究等领域提供全覆盖的参考依据。

Hugging Face Blog

Your Agent Aced the Task. Will It Do It Again?

Hugging Face

本研究针对当前智能体评估仅关注单次任务通过率的缺陷，聚焦“已达标任务能否稳定复现”核心问题，提出多轮次同任务重复执行的鲁棒性评估范式。实测显示，主流智能体在曾满分通过的任务中，重复执行失败率最高超60%，失效源于工具调用波动、思维链随机性、环境微扰动，为智能体落地可靠性优化指明方向。

Async GRPO with LoRA across HF Jobs: a bucket, a proxy, and no NCCL

Hugging Face

本工作针对大模型RLHF阶段GRPO分布式训练依赖NCCL高速通信、部署门槛高的痛点，提出适配普通HuggingFace作业集群的异步GRPO方案：通过LoRA压缩待更新参数规模，搭配桶式梯度缓存、代理调度机制实现跨作业协同，完全无需NCCL支持，可大幅降低大规模GRPO对齐任务的部署成本与算力要求。

Lil’Log

Harness Engineering for Self-Improvement

Lilian Weng

本文梳理递归自我改进（RSI）的概念脉络：1965年学者古德最早提出超智能机器可超越人类全部智力活动、迭代设计更优系统；2008年尤德考斯基明确其核心是AI依托现有能力迭代升级自身认知架构的反馈环。研究界定，当前AI语境下RSI既包含直接改写自身权重的路径，也可拓展至优化训练管线等更广泛形式。

量子位

被英伟达点名的杭州团队，补上了AI for Science的「最后一公里」

量子位

当前AI for Science领域各科研环节分散、依赖人工衔接，海外巨头已纷纷布局覆盖全流程的智能科研工具。国内杭州力文所近日推出开放使用的Lévin™ Harness，打造集成数据、模型、工具、算力的Agent工作区，不绑定特定模型、支持插件扩展与工作流沉淀，可辅助科研人员高效打通蛋白设计等科研全闭环。

把记忆交给CPU，大模型会变快

量子位

当前大模型Agent处理长周期任务时，累积的KV Cache（推理中间缓存）会大量占用显存，溢出后需重复计算已完成的推理步骤，导致GPU资源浪费、服务并发下降、推理延迟升高。无需增配GPU，改用CPU存储、调度KV Cache，在现有模型、服务器硬件基础上即可有效提升大模型运行效率。

实时互动、实时改视频、探索空间视频，Vidu S2一次放了三个大招

量子位

生数科技发布AI视频模型Vidu S2，相较此前支持语音控制动作、无限时长互动的S1版本，此次带来三大升级：支持实时编辑播放中的视频，更换角色、背景、风格；720P实时数字人支持中途输入参考图，完成换装、持物等动作；还可生成适配VR的空间视频，大幅降低内容创作门槛。